AnswersPublished30 sources
Kinas humanoide robotter rammer en mur af data
Kina råder ifølge brancheestimater over omkring 500.000 timers lovligt anvendelige data fra fysiske interaktioner, mens kommerciel udbredelse ofte forbindes med behovet for titusinder af millioner timer – et underskud... World Robot Conference 2026 viste et skifte fra robotshows til teleoperation, bevægelsesregistre...
Udgivet afRedigeret med GPT-5.6 LunaBilleder genereret med GPT Image 1.5
Research answer
Key takeaways
- Kina råder ifølge brancheestimater over omkring 500.000 timers lovligt anvendelige data fra fysiske interaktioner, mens kommerciel udbredelse ofte forbindes med behovet for titusinder af millioner timer – et underskud...
- World Robot Conference 2026 viste et skifte fra robotshows til teleoperation, bevægelsesregistrering, berøringssensorer og systemer, der kan indsamle data til mere selvstændig robotadfærd.
- Ved udgangen af juni var over 70 kinesiske træningsfaciliteter for embodied AI i drift, mens 46 andre var under opførelse eller planlagt.
- Kinesiske myndigheder forsøger at skabe en løkke, hvor praktisk anvendelse giver data, data forbedrer modellerne, og bedre modeller gør bredere udrulning mulig.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is the “data starvation” problem limiting China’s embodied-AI and humanoid-robot industry, how did the 2026 World Robot Conference reve. Article summary: China’s embodied-AI bottleneck is not mainly robot hardware but a shortage of lawful, high-quality recordings of robots physically acting in the world. The 2026 World Robot Conference (WRC) showed an industry pivot: alon. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Kinas flaskehals inden for humanoide robotter handler i stigende grad om data – ikke om selve robotternes hardware. En robot kan gå, danse eller gennemføre en nøje tilrettelagt demonstration. Men stabil selvstændighed kræver noget langt vanskeligere at skaffe: lovlige og alsidige registreringer af, hvordan maskiner sanser, bevæger sig, får kontakt med omgivelserne, fejler og retter op på fejl i den fysiske verden. 5
14
World Robot Conference 2026 gjorde udviklingen tydelig. Ved siden af de polerede robotdemonstrationer fremhævede udstillere udstyr til fjernstyring, bærbar registrering af menneskelige bevægelser, berørings- og kraftsensorer samt infrastruktur, der skal indsamle de træningsdata, robotmodellerne har brug for. 4
9
13
Det fysiske AI-gab
Branchetal, der blev gentaget omkring konferencen, anslår mængden af tilgængelige, lovligt anvendelige data fra fysiske interaktioner til omkring 500.000 timer. Kommercielt anvendelige, generelle modeller for embodied AI forbindes derimod ofte med et behov på titusinder af millioner timer. Det svarer til et underskud på over 99 procent – men tallet er et brancheestimat, ikke en universel videnskabelig grænse. Det nødvendige omfang afhænger blandt andet af opgaven, robotplatformen, omgivelserne og sikkerhedskravene. 3
5
7
Sammenligningen er vigtig, fordi data om fysisk interaktion ikke kan erstattes af almindelige internetdata. En video kan vise et menneske, der løfter en kop, men den viser normalt ikke robotarmens ledposition, gribekraft, tidspunktet for kontakten, friktion, glidning eller de små korrektioner undervejs. Netop disse detaljer afgør, om robotten også kan gentage handlingen, når koppen er tungere, bordet er vådt, eller genstanden står et andet sted.
En demonstration er ikke det samme som selvstændighed
En programmeret rutine kan skjule robotteknologiens sværeste udfordringer. Genstande, lys, rute og timing kan være kontrolleret, mens en menneskelig operatør griber ind, så snart robotten møder noget uventet. Resultatet kan se selvstændigt ud uden at vise, at robotten faktisk har lært en robust sammenhæng mellem perception og handling.
Kommerciel brug stiller større krav. Robotter skal kunne håndtere variationer i genstandes form, grebspunkter, overflader, rod og mennesker i nærheden. De skal også kunne opdage fejl og komme videre efter dem. I opgaver med meget fysisk kontakt er det derfor ikke nok at registrere, om det endelige mål blev nået. Datasættet bør også indeholde rækkefølgen af observationer, handlinger, fysiske tilstande og korrektioner. Formålet med specialiserede datasæt til fysisk AI er netop at forbinde multimodale observationer med handlinger og deres konsekvenser. 33
34
40
Dataindsamlingen bliver mere krævende
De første datasæt til robotlæring kunne fokusere på korte og gentagelige demonstrationer. Den næste fase handler om længere opgaver med mange trin og hyppig fysisk kontakt: håndtering, sortering, samling, emballering, rengøring og andre opgaver i hjem, butikker, fabrikker og serviceområder.
Det øger datakravet på tre måder:
- Større variation: Den samme opgave skal optages med forskellige genstande, indretninger, materialer og miljøforhold.
- Flere fejlscenarier: Glid, sammenstød, mislykkede greb og forsøg på at rette op kan være lige så lærerige som vellykkede demonstrationer.
33
- Flere synkroniserede signaler: Kameraer, dybdedata, robotposition, ledbevægelser, kraft, berøring og andre sensorstrømme skal tidsmæssigt passe sammen, så modellerne kan lære forholdet mellem det, robotten registrerer, og det, den gør.
Opskaleringen er vanskelig. Rigtige robotter er dyre at drive, fysiske forsøg kræver sikkerhedsforanstaltninger, og data af høj kvalitet skal kurateres – ikke blot samles i store mængder. Et omfattende videoarkiv er ikke automatisk et nyttigt træningsdatasæt til robotter.
Et nyt lag af dataleverandører
Specialiserede træningsvirksomheder er begyndt at udfylde afstanden mellem menneskelig adfærd og maskinlæsbare data. Arbejdet kan omfatte rekruttering og oplæring af operatører, fjernstyring af robotter, registrering af menneskelige bevægelser, instrumentering af opgaver, synkronisering af sensorer, frasortering af dårlige forløb og klargøring af data til modeludviklere.
Fjernstyring er værdifuld, fordi den registrerer handlinger udført på en rigtig robot – ikke kun et menneske, der udfører en tilsvarende bevægelse. VR- og andre generiske controllere kan omsætte menneskelige input til robotkommandoer, mens bærbare systemer og motion capture-udstyr registrerer mere komplekse bevægelser hos et menneske og tilpasser dem til en maskine. 1
Dermed opstår et nyt forsyningslag for embodied AI. Virksomheder bygger ikke længere kun robotkroppe og modeller, men også de demonstrationer og sensorregistreringer, der forbinder de to. På WRC blev dataindsamling præsenteret som en del af hele infrastrukturen for embodied intelligence – blandt andet systemer, der registrerer hoved- og håndbevægelser under hverdagsaktiviteter. 4
9
Hvorfor Kina bygger nationale træningsmiljøer
Træningsmiljøer giver udviklere kontrollerede, men realistiske omgivelser, hvor robotter kan trænes, afprøves og sammenlignes. De kan efterligne fabrikker, lagre, hjem, butikker og offentlige serviceområder. På den måde får virksomheder gentagelige scenarier uden at reducere udfordringen til en ren laboratorierutine.
Ifølge omtalen af en rapport fra China Academy of Information and Communications Technology var over 70 træningsmiljøer for embodied AI i drift i Kina ved udgangen af juni 2026, mens yderligere 46 var under opførelse eller planlagt. Anlæggene dækkede mere end halvdelen af Kinas provinser og regioner på provinsniveau. Industriel produktion var det mest udbredte anvendelsesområde og indgik i 86 procent af de rapporterede anlæg. 18
22
Infrastrukturen har dog kun værdi, hvis den bliver brugt aktivt. Målet er, at anlæggene skal fungere som datagrundlag og platforme til test i virkelige miljøer – ikke blot som endnu en samling udstillingslokaler. Den tilsigtede løkke er enkel: Praktisk træning skaber data, data forbedrer modellen, bedre modeller understøtter bredere udrulning, og udrulningen skaber nye driftsdata. 14
22
Kinesisk politik skal flytte robotterne ud af messehallen
Kinas ministerium for industri og informationsteknologi samt den statslige kommission for tilsyn med og forvaltning af statsejede aktiver lancerede i 2026 en særlig indsats for praktisk træning af humanoide robotter og embodied AI. Programmet fokuserer på industrielle, servicebaserede og specialiserede scenarier, herunder produktion, logistik, sundhedspleje, offentlige tjenester og beredskab. 24
25
Et regeringsnotat beskrev blandt andet et mål om kommerciel udrulning af 10.000 humanoide robotter og over 100 værdifulde anvendelsesscenarier inden udgangen af 2026. 26 Tanken er, at selve udrulningen skal være en del af træningsinfrastrukturen: Lokale myndigheder og statsejede virksomheder opfordres til at stille miljøer til rådighed, hvor systemerne kan testes, valideres og forbedres under driftsforhold.
24
Det er ikke en garanti for, at robotterne når målene eller bliver bredt selvstændige. Men det viser, at det politiske fokus bevæger sig ud over produktion af hardware og hen imod den data- og implementeringsløkke, der er nødvendig for pålidelig kommerciel brug.
Hvorfor video, tekst og bildata fra biler ikke er nok
Video og sprog er stadig nyttige. De kan lære modeller, hvad genstande er, hvad instruktioner betyder, og hvordan en menneskelig handling ser ud. Simulation kan levere stor skala og dække scenarier, der ville være dyre eller farlige at genskabe fysisk. Forskning i standarder for embodied AI peger også på en kombination af virkelige data, simulation og flere sansemodaliteter frem for én enkelt datakilde. 2
32
Men disse kilder beskriver ikke hele kontrolproblemet. Ved håndtering af genstande kan en robot skulle beregne:
- genstandens position og orientering i tre dimensioner;
- sine egne ledvinkler, hastighed og mekaniske reaktion;
- den kraft, der kræves for at gribe, skubbe, indsætte eller løfte;
- tidspunktet for kontakt, glidning eller sammenstød; og
- hvordan handlingen skal justeres, når den forventede bevægelse ikke virker.
Derfor supplerer flere indsamlingsmetoder hinanden:
- VR-fjernstyring registrerer en persons demonstrerede kommandoer gennem en grænseflade, der kan kobles til robotens bevægelser.
1
- Bærbar motion capture registrerer menneskets krops-, arm- og håndintention, som derefter kan overføres til en robot.
- Kraftfeedback og berøringssensorer synliggør kontakt, modstand, tryk og glidning, som almindelige billeddata kan overse.
7
- Motormoment og proprioceptive data viser robottestens indre tilstand og dens mekaniske reaktion under en handling.
39
- Forløb fra rigtige robotter afslører kalibreringsfejl, forsinkelser, sensorstøj, mekaniske begrænsninger og uforudsigelige omgivelser, som menneskevideo og simulation kun kan nærme sig.
34
Datasæt fra selvkørende biler kan bidrage til perception og navigation, men fingerfærdig manipulation har et andet handlingsrum. Bilkørsel er i høj grad centreret omkring køretøjet og foregår uden vedvarende kontakt med de fleste genstande. Opgaver som at gribe, indsætte og samle afhænger derimod af kontaktkræfter, eftergivenhed og evnen til at komme sig efter fejl.
Det strategiske kapløb handler om mere end robotter
Læren fra WRC 2026 er ikke, at Kina har mistet interessen for robotternes hardware. Det er, at hardware alene ikke kan lukke hullet mellem en imponerende demonstration og reel autonomi. Konkurrencefordelen kan i stigende grad tilfalde de organisationer, der kan indsamle, standardisere og lovligt anvende store mængder multimodale data fra fysiske interaktioner.
For Kinas humanoide robotindustri går vejen væk fra scenedemonstrationer og fjernstyrede maskiner gennem en vanskelig kombination af virkelige installationer, uddannede operatører, instrumenterede miljøer, fælles datastandarder og gentagne tests. Industrien er ved at bygge denne pipeline – men afstanden mellem hundredtusindvis af timer og de titusinder af millioner, der ofte nævnes i forbindelse med kommercialisering, er fortsat den centrale begrænsning. 3
13
14
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Kinas humanoide robotter rammer en mur af data"?
Kina råder ifølge brancheestimater over omkring 500.000 timers lovligt anvendelige data fra fysiske interaktioner, mens kommerciel udbredelse ofte forbindes med behovet for titusinder af millioner timer – et underskud...
What are the key points to validate first?
Kina råder ifølge brancheestimater over omkring 500.000 timers lovligt anvendelige data fra fysiske interaktioner, mens kommerciel udbredelse ofte forbindes med behovet for titusinder af millioner timer – et underskud... World Robot Conference 2026 viste et skifte fra robotshows til teleoperation, bevægelsesregistrering, berøringssensorer og systemer, der kan indsamle data til mere selvstændig robotadfærd.
What should I do next in practice?
Ved udgangen af juni var over 70 kinesiske træningsfaciliteter for embodied AI i drift, mens 46 andre var under opførelse eller planlagt.
Sources
scmp.comIn the embodied AI race, China can opt to look beyond ...
pandaily.com'Data Starvation': The Real Bottleneck Holding Back China's Embodied AI
roboticsandautomationnews.comX Square Robot showcases full embodied AI portfolio at WRC 2026
bastillepost.comPractical application of embodied AI robots shine at 2026 World AI ...